arXiv 2026年9月25日该研究在ThyroidXL（11,635张图像、4,093名患者）上训练统一多任务模型，并在外部DDTI（660张图像）上测试，刻画了CNN（ResNet34）与医学ViT（MedSAM）在跨中心域偏移下分割与TI-RADS恶性分类之间的负迁移，并提出轻量级解码器侧适配器MKGA及其残差变体ResMKGA，通过多核感受野细化与语义上下文门控抑制伪影特征；结果显示适配器提升了域外分割稳定性（ResNet34+MKGA外部Dice 0.659、ResMKGA 0.671，对比未冻结基线0.590），并在CNN设置下显著提高TI-RADS诊断准确率（0.406→0.632，McNemar p<0.001）该研究在ThyroidXL（11,635张图像、4,093名患者）上训练统一多任务模型，并在外部DDTI（660张图像）上测试，刻画了CNN（ResNet34）与医学ViT（MedSAM）在跨中心域偏移下分割与TI-RADS恶性分类之间的负迁移，并提出轻量级解码器侧适配器MKGA及其残差变体ResMKGA，通过多核感受野细化与语义上下文门控抑制伪影特征；结果显示适配器提升了域外分割稳定性（ResNet34+MKGA外部Dice 0.659、ResMKGA 0.671，对比未冻结基线0.590），并在CNN设置下显著提高TI-RADS诊断准确率（0.406→0.632，McNemar p<0.001）在甲状腺超声跨中心迁移中，解码器侧多核门控适配器把CNN的TI-RADS诊断准确率从0.406提升到0.632，并改善外部分割Dice该研究在ThyroidXL（11,635张图像、4,093名患者）上训练统一多任务模型，并在外部DDTI（660张图像）上测试，刻画了CNN（ResNet34）与医学ViT（MedSAM）在跨中心域偏移下分割与TI-RADS恶性分类之间的负迁移，并提出轻量级解码器侧适配器MKGA及其残差变体ResMKGA，通过多核感受野细化与语义上下文门控抑制伪影特征；结果显示适配器提升了域外分割稳定性（ResNet34+MKGA外部Dice 0.659、ResMKGA 0.671，对比未冻结基线0.590），并在CNN设置下显著提高TI-RADS诊断准确率（0.406→0.632，McNemar p<0.001）该研究在ThyroidXL（11,635张图像、4,093名患者）上训练统一多任务模型，并在外部DDTI（660张图像）上测试，刻画了CNN（ResNet34）与医学ViT（MedSAM）在跨中心域偏移下分割与TI-RADS恶性分类之间的负迁移，并提出轻量级解码器侧适配器MKGA及其残差变体ResMKGA，通过多核感受野细化与语义上下文门控抑制伪影特征；结果显示适配器提升了域外分割稳定性（ResNet34+MKGA外部Dice 0.659、ResMKGA 0.671，对比未冻结基线0.590），并在CNN设置下显著提高TI-RADS诊断准确率（0.406→0.632，McNemar p<0.001）